Anthropic 不采用接种式提示的三种猜测引发热议

研究者 1a3orn 提出三种猜测，解释 Anthropic 可能为何不采用 inoculation prompting：尽管该方法在局部场景似乎有效，Anthropic 仍可能从整体考量绕开它。相关讨论聚焦模型思考自身训练过程时可能产生不可控行为，以及由此带来的训练安全性问题。